考虑预测误差时序分布的含风电机组组合模型建立方法技术

本发明专利技术公开了一种考虑预测误差时序分布的含风电机组组合模型建立方法，基于误差特性分析提出一种时序下的预测误差分段拟合方法，利用t location-scale分布进行拟合，以改善厚尾效应、提高拟合精度，更可在时序上与UC决策相配合；其次，构建了可以同时考虑传统成本、额外备用成本与风险成本的双分位点型UC决策模型，通过不同成本间的制约关系平衡置信水平的选取，通过不同置信水平的划分指导备用分类，通过时变置信水平适应误差时序分段分布，以此使模型更具经济性、针对性与适用性；最后，采用带有启发式搜索原则的改进混合粒子群算法，求解本文的多变量混合整数规划模型，算例结果验证了所提方法的有效性。

【技术实现步骤摘要】
考虑预测误差时序分布的含风电机组组合模型建立方法
本专利技术涉及机组组合模型建立
，尤其涉及一种考虑预测误差时序分布的含风电机组组合模型建立方法。
技术介绍
不确定性风电的大规模并网对传统电网运行、调度带来巨大挑战，如何使之合理、高效参与大电网调度以提高消纳水平是必要的，也是迫切的。机组组合(简称UC)是日前调度的重要环节，主要依据负荷预测值制定未来时段(通常为24h)机组发电计划，使发电成本最少。而相对于传统负荷，风功率具有更强的随机性与间歇性，其相对预测误差明显大于传统负荷预测。由此，如何在UC决策中准确刻画风功率的随机性，促使决策更为合理，将直接影响系统运行的经济性与安全性，诸多学者对此展开了卓有成效的研究。现有关于风功率随机性刻画的相关研究可概括为：一、确定性刻画，即在备用约束中考虑风功率的全部波动范围，这一方法无疑过于保守，且增加运行成本；二、场景刻画法，其思路是根据概率分布提取主要场景，可在一定程度上适应风电的随机特性，但无法涵盖所有场景，且决策结果的风险大小也难以量化；三、基于概率分布的机会约束方法可以很好的解决风电随机性问题，但如何保障误差分布的拟合效果、解决置信水平的科学选取是其面临的主要困难。在短时风功率预测误差分布拟合方面，正态分布、Weibull分布被广泛提及并应用于现有研究中，然而预测误差的“厚尾”效应使其拟合效果难以令人满意；现有方法中通过对预测功率值分段，再分别以beta分布进行拟合，最后利用加权方法改善“厚尾”影响；但没有严格检验其拟合精度；现有方法中采用带移位因子与伸缩系数的t分布进行拟合，取得较好效果，但未考虑预测误差随时间变化的规律性。在置信水平选取方面，传统机会约束给出置信水平，但并没有给出选取依据及相应置信水平所对应的风险值大小；或者虽然给出置信水平的选取，但并未对置信水平与旋转备用间的对应关系进行阐述。
技术实现思路
本专利技术的目的就是为了解决上述问题，提出了一种考虑预测误差时序分布的含风电机组组合模型建立方法，在风功率预测误差时序分布特性研究基础上，提出一种时序下的预测误差分段拟合方法，进一步提高拟合精度，并在时序上与日前UC接轨，建立可同时考虑传统成本、额外备用成本与风险成本的双分位点型机组组合决策模型。为实现上述目的，本专利技术的具体方案如下：一种考虑预测误差时序分布的含风电机组组合模型建立方法，包括以下步骤：(1)提取待测风电场设定时间段内的实测风电功率数据；(2)对所述数据进行日前预测，得到不同预测时段下的预测误差变化趋势；(3)采用在不同时段下分别进行拟合的时序分段分布拟合方法对预测误差进行拟合，得到不同时段下的预测误差拟合曲线；(4)对风电功率的备用成本进行分类，并将每一类的备用成本分别对应到预测误差拟合曲线分布中不同的置信水平区间；所述备用成本分为：额外备用成本、常规备用占用风险成本和失负荷风险成本；(5)对于上述置信水平下的常规备用占用风险成本和失负荷风险成本进行最大风险刻画，分别得到对应风电的失负荷、常规备用占用的条件风险价值；(6)计算常规备用占用及失负荷的风险成本及额外备用成本；(7)以功率平衡约束、无常规备用占用时的旋转备用机会约束以及存在常规备用占用时的旋转备用机会约束为目标函数的约束条件，构建以传统成本、额外备用成本与风险成本之和最低为目标的双分位点型机组组合决策模型；(8)对双分位点型机组组合决策模型进行求解，得到所述双分位点型机组组合决策模型的最优解；所述步骤(3)中，采用带位移因子与伸缩系数的t分布对预测误差进行拟合；即采用分布位置可水平移动与分布形状可伸缩变化的t分布对预测误差进行拟合。所述步骤(3)中，对不同时段下的预测误差拟合效果进行评价；假设依据实测数据统计得到的直方图分组数为M，定义评价指标为：第i直方图上下界所对应预测误差拟合函数的累积概率密度与第i直方图分组概率之差的平方的累加；其中，i＝1,2,3,…,M；评价指标I越接近0，代表评价指标拟合精确度越高。所述步骤(4)中，因预测误差随机性而为风电额外配置的备用，称之为额外备用成本，由预测可信度决定；针对传统机组旋转备用调用率较低的情况，将较低概率下出现的风功率波动的备用，称之为常规备用占用风险成本；针对极低概率下出现的风功率波动，为其配置备用已不具备经济性，因此，允许在经济性更优前提下出现一定概率失负荷，对应产生失负荷风险成本。所述步骤(5)中，根据预测功率误差以及预测功率误差的概率分布函数的乘积在不同区域下的积分，分别计算风电的失负荷、常规备用占用的条件风险价值。所述步骤(6)中，常规备用占用及失负荷的风险成本为：各时段失备用价格与常规备用占用的条件风险价值的乘积的累加和，加上各时段失负荷价格与失负荷的条件风险价值的乘积的累加和。所述步骤(7)中，目标函数的约束条件还包括：机组容量约束，机组最小运行、停运时间约束，以及机组有功速率约束。所述步骤(8)中，采用带有启发式搜索原则的改进PSO算法对双分位点型机组组合决策模型进行求解，具体方法如下：(下述方法均为已有的技术方法)(1)通过常开机组锁定与优先权排序对可行域进行启发式优化探索，得到初始粒子；(2)判断是否满足机会约束，如果是，按平均运行成本从高到低进行停机操作，直到恰好满足机会约束；否则，按平均运行成本从低到高进行停机操作，直到恰好满足机会约束；(3)判断是否满足最小开停机时间，如果是，进行经济调度，计算适应度，转入步骤(4)；否则，按启发式原则进行调整，转入步骤(5)；(4)得到全局最优粒子和局部最优粒子，进入步骤(6)；(5)再次判断是否满足机会约束，如果是，进行经济调度，计算适应度，返回步骤(4)；否则，将适应度设为足够大，进入步骤(6)；(6)更新粒子速度和位置；(7)判断迭代次数是否达到设定次数，如果是，输出数据；否则，更新粒子，重复步骤(2)—(6)。本专利技术的有益效果：本专利技术在风功率预测误差时序分布特性研究基础上，提出一种时序下的预测误差分段拟合方法，进一步提高拟合精度，并在时序上与日前UC接轨；进而，建立一种可同时考虑传统成本、额外备用成本与风险成本(含常规备用占用风险成本、失负荷风险成本)的双分位点型UC决策模型。该模型可通过传统成本与风险成本间的制约关系解决置信水平的选取问题，实现经济性与安全性的平衡；通过不同性质的置信水平划分实现备用的类别区分，使模型更具针对性与适用性；通过时变置信水平的选取，有效提升决策的经济性。由于所建模型属于多变量混合整数规划问题，本文采用改进的带有启发式搜索原则的混合粒子群算法进行模型求解，结果分析验证了本文方法的有效性。附图说明图1为不同预测时段下的误差变化趋势曲线；图2为24时段下的尺度参数变化曲线；图3为预测误差24h分段拟合结果；图4为第1h、13h、24h拟合曲线与总体误差拟合曲线；图5(a)为tlocation-scale、正态及beta的概率密度曲线；图5(b)为tlocation-scale、正态及beta的累计概率密度曲线；图6为预测误差分布置信区间划分示意图；图7为改进的启发式PSO求解算法流程图；图8为不同置信水平对应的出力区间示意图。具体实施方式：下面结合附图对本专利技术进行详细说明：本专利技术提供了一种考虑预测误差时序分布的含风电机本文档来自技高网...

【技术保护点】
一种考虑预测误差时序分布的含风电机组组合模型建立方法，其特征是，包括以下步骤：(1)提取待测风电场设定时间段内的实测风电功率数据；(2)对所述数据进行日前预测，得到不同预测时段下的预测误差变化趋势；(3)采用在不同时段下分别进行拟合的时序分段拟合方法对预测误差进行拟合，得到不同时段下的预测误差拟合曲线；(4)对风电功率的备用成本进行分类，并将每一类的备用成本分别对应到预测误差拟合曲线分布中不同的置信水平区间；所述备用成本分为：额外备用成本、常规备用占用风险成本和失负荷风险成本；(5)对于上述置信水平下的常规备用占用风险成本和失负荷风险成本进行最大风险刻画，分别得到对应风电的失负荷、常规备用占用的条件风险价值；(6)计算常规备用占用及失负荷的风险成本及额外备用成本；(7)以功率平衡约束、无常规备用占用时的旋转备用机会约束以及存在常规备用占用时的旋转备用机会约束为约束条件，构建以传统成本、额外备用成本与风险成本最低为目标的双分位点型机组组合决策模型；(8)对双分位点型机组组合决策模型进行求解，得到所述模型的最优解。

【技术特征摘要】
1.一种考虑预测误差时序分布的含风电机组组合模型建立方法，其特征是，包括以下步骤：(1)提取待测风电场设定时间段内的实测风电功率数据；(2)对所述数据进行日前预测，得到不同预测时段下的预测误差变化趋势；(3)采用在不同时段下分别进行拟合的时序分段分布拟合方法对预测误差进行拟合，得到不同时段下的预测误差拟合曲线；(4)对风电功率的备用成本进行分类，并将每一类的备用成本分别对应到预测误差拟合曲线分布中不同的置信水平区间；所述备用成本分为：额外备用成本、常规备用占用风险成本和失负荷风险成本；(5)对于上述置信水平下的常规备用占用风险成本和失负荷风险成本进行最大风险刻画，分别得到对应风电的失负荷、常规备用占用的条件风险价值；(6)计算常规备用占用及失负荷的风险成本及额外备用成本；(7)以功率平衡约束、无常规备用占用时的旋转备用机会约束以及存在常规备用占用时的旋转备用机会约束为目标函数的约束条件，构建以传统成本、额外备用成本与风险成本之和最低为目标的双分位点型机组组合决策模型；(8)对双分位点型机组组合决策模型进行求解，得到所述双分位点型机组组合决策模型的最优解；所述步骤(5)中，根据预测功率误差以及预测功率误差的概率分布函数的乘积在不同区域下的积分，分别计算风电的失负荷、常规备用占用的条件风险价值；所述步骤(8)中，采用带有启发式搜索原则的改进PSO算法对双分位点型机组组合决策模型进行求解，具体方法如下：(1)通过常开机组锁定与优先权排序对可行域进行启发式优化探索，得到初始粒子；(2)判断是否满足机会约束，如果是，按平均运行成本从高到低进行停机操作，直到恰好满足机会约束；否则，按平均运行成本从低到高进行停机操作，直到恰好满足机会约束；(3)判断是否满足最小开停机时间，如果是，进行经济调度，计算适应度，转入步骤(4)；否则，按启发式原则进行调整，转入步骤(5)；(4)得到全局最优粒子和局部最优粒子，进入步骤(6)；(5)再次判断是否满足机会约束，如果是，进...

【专利技术属性】
技术研发人员：王成福，王利平，梁军，
申请(专利权)人：山东大学，
类型：发明
国别省市：山东;37